SKRIPSI
Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Negeri Yogyakarta
untuk memenuhi sebagian persyaratan
guna memperoleh gelar Sarjana Sains
Oleh
Anaviroh
NIM. 07305144027
SKRIPSI
Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Negeri Yogyakarta
untuk memenuhi sebagian persyaratan
guna memperoleh gelar Sarjana Sains
Oleh
Anaviroh
NIM. 07305144027
ii
iii
Anaviroh
PERNYATAAN
: ANAVIROH
NIM
: 07305144027
JURUSAN
: PENDIDIKAN MATEMATIKA
JUDUL SKRIPSI
Anaviroh
NIM. 07305144027
iv
Anaviroh
MOTTO
Dengan menyebut nama Allah Yang Maha Pemurah lagi Maha Penyayang
sungguh langkah yang berat ini terasa ringan karena-Mu.
Doa dan usaha adalah kekuatan terdahsyat yang membawa kita menuju
kesuksesan
Jangan membelenggu diri kita dengan pikiran yang rumit.
( Sahid, M.Sc )
Jadikan keberhasilan orang lain sebagai motivasi kita, tetapi tidak perlu
memaksa diri untuk bekerja berdasarkan target orang lain, bekerjalah
berdasarkan kemampuan dan target kita sendiri.
Boleh jadi kita membenci sesuatu, padahal ia amat baik bagi kita, dan boleh
jadi pula kita menyukai sesuatu, padahal ia amat buruk bagi kita.
Allah Maha Tau, sedangkan kita tidak mengetahui itu.
( QS. Al Baqarah : 216 )
v
Anaviroh
PERSEMBAHAN
vi
Anaviroh
Oleh
Anaviroh
NIM. 07305144027
ABSTRAK
Antrian dapat terjadi karena banyaknya customer yang membutuhkan
pelayanan melebihi kapasitas pelayanan. Pola kedatangan customer ke dalam
sistem antrian ada dua macam, yaitu customer datang secara individu dan
sekelompok customer yang datang secara bersamaan pada satu waktu ke dalam
sistem antrian. Pola kedatangan yang kedua ini disebut dengan batch/ bulk
arrival. Pada skripsi ini akan dibahas tentang antrian dengan pola kedatangan
berkelompok, tujuannya untuk mengetahui ukuran keefektifan pada sistem antrian
ini.
Antrian yang akan dibahas adalah antrian dengan pola kedatangan
berkelompok yang memiliki satu server dengan satu garis antrian yang melayani
customer satu per satu. Pola kedatangan pada antrian ini berdistribusi Poisson dan
pola pelayanan berdistribusi Eksponensial dengan disiplin antrian FIFO ( First In
First Out ). Pada pembahasan dilakukan penurunan formula untuk mendapatkan
ukuran keefektifan sistem antrian yang digunakan untuk menganalisis masalah
antrian pada contoh implementasi. Kemudian hasil analisis yang diperoleh
dibandingkan dengan penyelesaian menggunakan software WINQSB. Sebagai
implementasi diberikan ilustrasi kasus antrian pada perekaman Surat
Pemberitahuan / SPT disuatu kantor pajak. Sistem antrian pada kasus ini adalah
beberapa berkas SPT yang telah disortir lalu diserahkan sekaligus kepada seorang
staf yang bertugas, kemudian SPT direkam satu per satu.
Model antrian satu server dengan pola kedatangan berkelompok yang
berdistribusi Poisson dan waktu pelayanan berdistribusi Eksponensial dinotasikan
dengan //1, dengan adalah variabel acak yang menyatakan ukuran
kelompok. Sebagai dasar untuk memperoleh ukuran keefektifan pada model
antrian ini adalah dengan menentukan probability generating function (PGF) dari
banyaknya customer dalam sistem . Ukuran keefektifan pada model antrian ini
antara lain: nilai harapan banyaknya customer dalam sistem
, nilai harapan
banyaknya customer dalam antrian , nilai harapan waktu tunggu customer
dalam sistem
, dan nilai harapan waktu tunggu customer dalam antrian .
Hasil analisis data pada contoh implementasi model antrian ini baik menggunakan
formula maupun software WINQSB menunjukkan hasil yang sama, yaitu
diperoleh ukuran keefektifan:
66 SPT,
65 SPT,
2,58 jam, dan
2,5 jam.
vii
Anaviroh
KATA PENGANTAR
Puji dan syukur kehadirat Tuhan Yang Maha Esa yang telah melimpahkan
rahmat dan hidayahNya, sehingga penulisan tugas akhir skripsi yang berjudul
Model Antrian Satu Server dengan Pola Kedatangan Berkelompok (Batch
Arrival) ini dapat diselesaikan.
Penulisan skripsi ini tidak lepas dari bantuan berbagai pihak, oleh karena
itu dalam kesempatan ini penulis mengucapkan terima kasih kepada:
1. Bpk. Dr. Ariswan selaku Dekan FMIPA Universitas Negeri Yogyakarta,
yang telah memberikan kesempatan kepada penulis untuk menyelesaikan
studi.
2. Bpk. Suyoso, M.Si selaku Pembantu Dekan I FMIPA Universitas Negeri
Yogyakarta, yang telah memberikan kemudahan dalam pengurusan
administrasi selama penulisan skripsi.
3. Bpk. Dr. Hartono selaku Ketua Jurusan Pendidikan Matematika FMIPA
Universitas Negeri Yogyakarta, yang telah memberikan kemudahan dalam
pengurusan administrasi selama penulisan skripsi.
4. Ibu. Atmini Dhoruri, M.S selaku Ketua Program Studi Matematika, yang
telah memberikan pengarahan dalam penyusunan tugas akhir skripsi.
5. Bpk. Mustofa, S.Si selaku Penasehat Akademik, yang telah memberikan
informasi dan pengarahan selama penulis menempuh kuliah.
6. Ibu. Retno Subekti, M.Sc
viii
Anaviroh
7. Bpk. Dr. Sugiman selaku Dosen Penguji, yang telah memberikan saran
saran dalam penulisan skripsi.
8. Ibu. Kismiantini, M.Si selaku Dosen Penguji, yang telah memberikan
saran saran dalam penulisan skripsi.
9. Bpk. Tuharto, M.Si selaku Dosen Penguji, yang telah memberikan saran
saran dalam penulisan skripsi.
10. Seluruh dosen Jurusan Pendidikan Matematika FMIPA Universitas Negeri
Yogyakarta, yang telah memberikan ilmu kepada penulis.
11. Semua pihak terkait yang tidak dapat penulis sebutkan satu persatu yang
telah membantu dalam penyelesaian skripsi ini.
Penulis menyadari bahwa skripsi ini belum sepenuhnya sempurna, untuk
itu penulis menerima saran dan kritik yang bersifat membangun. Semoga skripsi
ini dapat memberikan manfaat.
Anaviroh
ix
Anaviroh
DAFTAR ISI
x
Anaviroh
xi
Anaviroh
DAFTAR SIMBOL
!
#$
#$
xii
Anaviroh
DAFTAR TABEL
xiii
Anaviroh
DAFTAR GAMBAR
Gambar 2.1 Sistem Antrian ........................................................................ 6
Gambar 2.2 Sistem Antrian Single Chanel Single Phase ......................... 9
Gambar 2.3 Sistem Antrian Single Chanel Multi Phase ......................... 10
Gambar 2.4 Sistem Antrian Multi Chanel Single Phase ......................... 10
Gambar 2.5 Sistem Antrian Multi Chanel Multi Phase ......................... 11
Gambar 2.6 Proses Kedatangan dan Kepergian
dalam Suatu Sistem Antrian ................................................. 19
Gambar 2.7 Sistem Antrian //1 ....................................................... 47
Gambar 3.1 Sistem Antrian //1 ..................................................... 56
Gambar 3.2 Diagram Laju Transisi Sistem Antrian //1 ................. 59
xiv
Anaviroh
DAFTAR LAMPIRAN
xv
Anaviroh
BAB I
PENDAHULUAN
1
Anaviroh
dapat
Anaviroh
A. RUMUSAN MASALAH
Berdasarkan latar belakang masalah maka permasalahan dapat
dirumuskan sebagai berikut:
1. Bagaimana model dari sistem antrian satu server dengan pola kedatangan
berkelompok (batch arrival)?
2. Bagaimana ukuran keefektifan dari model antrian satu server dengan
pola kedatangan berkelompok (batch arrival)?
Anaviroh
B. TUJUAN
Dengan mengacu pada latar belakang masalah dan rumusan masalah,
maka tujuan dari penulisan ini adalah:
1. Menjelaskan tingkah laku dari model sistem antrian satu server dengan
pola kedatangan berkelompok (batch arrival).
2. Menjelaskan ukuran keefektifan dari model antrian satu server dengan
pola kedatangan berkelompok (batch arrival).
3. Menjelaskan implementasi model antrian satu server dengan pola
kedatangan berkelompok (batch arrival).
C. MANFAAT
Penulisan tugas akhir ini diharapkan dapat memberikan manfaat
sebagai berikut:
1. Bagi pembaca memberikan gambaran mengenai model antrian satu
server dengan pola kedatangan berkelompok (batch arrival).
2. Bagi
perpustakaan
jurusan
pendidikan
matematika
memberikan
Anaviroh
BAB II
LANDASAN TEORI
Pada bab ini akan diuraikan tentang dasar dasar yang diperlukan dalam
pembahasan
model
antrian
dengan
pola
kedatangan
berkelompok.
5
Anaviroh
Anaviroh
Anaviroh
10
11
First come first served (FCFS) atau first in first out (FIFO),
suatu peraturan dimana yang akan dilayani ialah customer yang
datang terlebih dahulu. Contohnya antrian di suatu kasir sebuah
swalayan.
2.
Last come first served (LCFS) atau last in first out (LIFO)
merupakan antrian dimana yang datang paling akhir adalah yang
dilayani paling awal atau paling dahulu. Contohnya antrian pada
satu tumpukan barang digudang, barang yang terakhir masuk
Anaviroh
12
4.
Priority
service
Anaviroh
13
namun
belum
memperoleh
pelayanan,
kemudian
Anaviroh
14
A. Notasi Kendall
Notasi baku untuk memodelkan suatu sistem antrian pertama kali
Simbol
M
, ,
Anaviroh
Keterangan
Markov menyatakan kedatangan dan
kepergian berdistribusi Poisson ( Waktu
antar kedatangan berdistribusi
Eksponensial).
Deterministik menyatakan waktu antar
kedatangan atau waktu pelayanan konstan
Waktu antar kedatangan atau waktu
pelayanan berdistribusi Erlang
GI
FCFS/FIFO
LCFS/LIFO
SIRO
PS
1, 2, 3,...
15
Winston
(1994:115),
proses
kelahiran
dan
kematian
saat . Dengan demikian, keadaan sistem pada saat dalam suatu sistem
antrian yang dinotasikan dengan , adalah selisih antara banyaknya
dan banyaknya kepergian pada saat dinotasikan dengan , maka
Anaviroh
16
Definisi 2.3 (Hogg dan Tanis, 2001 : 96) Kejadian A dan B dikatakan saling
bebas jika dan hanya jika
Jika kejadian dan , tidak memenuhi kondisi tersebut maka disebut kejadian
bergantung.
Definisi 2.4 (Ross, 1999 : 60) - merupakan suatu fungsi atas dengan
ketentuan lim234
52
2
0
lim
Asal limit fungsinya ada
Anaviroh
:;
<;
4
4
17
? 7? . Sehingga
= ?
lim
? .
A3;B 7=
7
=
= =
=
7= 7= 7 7= 7
=
=
lim
= A3;B
?
=
lim
?
A3;B 7=
7= 7 7
lim
=
A3;B
: C ;
Anaviroh
18
vi) Proses kedatangan dan pelayanan merupakan kejadian yang saling bebas.
Berdasarkan asumsi (vi), kedatangan dan kepergian merupakan
kejadian kejadian yang saling bebas, sehingga kejadian kejaian pada
interval waktu tertentu tidak mempengaruhi kejadian pada interval waktu
sebelumnya atau kejadian pada interval waktu sesudahnya. Proses kedatangan
dan kepergian dalam suatu sistem antrian sesuai asumsi asumsi diatas
ditunjukkan pada Gambar 2.6 berikut.
Anaviroh
19
asing yang dapat terjadi jika terdapat L 0 customer dalam sistem pada
Jumlah
Jumlah
Jumlah
Jumlah
Kepergian
Customer
Kedatangan
Customer
pada Waktu
pada Waktu
pada Waktu
pada Waktu
Kasus
(t)
(t+t)
(t)
(t)
1
n
0
0
n
2
n+1
0
1
n
3
n-1
1
0
n
4
n
1
1
n
Menurut asumsi (vi), kedatangan dan kepergian merupakan kejadian
kejadian yang saling bebas, sehingga peluang dari masing masing kejadian
tersebut adalah sebagai berikut.
1. Probabilitas Kasus 1 = I1 N t ( ot J1 G ( -
2.
Anaviroh
20
(2.3)
Karena t sangat kecil dan mendekati nol, maka berdasarkan definisi 2.5
didapatkan:
Anaviroh
21
lim234
WST 2
W2
ST 2B2 QST 2
2
52
2
customer untuk nilai 0. Pada saat jumlah customer dalam sistem adalah
nol, maka probabilitas terjadinya nol kepergian customer pada kasus 1 adalah
satu.
Probabilitas terdapat customer, dengan 0 dalam waktu (
adalah
Anaviroh
22
4 ( 4 I1 4 t ( ot J1 ( P t I1 t (
ot JG ( - ( -
4 I1 4 t ( ot J ( P t t ( ot
4 4 t ( P t t ( ot
4 ( 4 4 4 t ( P t t ( ot
(2.5)
Pada Persamaan (2.5) dikurangkan 4 pada ruas kanan dan kiri kemudian
ot
4 ( 4
P t 4 4 (
t
Karena t sangat kecil dan mendekati nol, maka berdasarkan definisi 2.5
didapatkan:
lim
234
4 ( 4
ot
lim YP t 4 4 (
Z
234
t
WS[ 2
W2
(2.6)
Anaviroh
P t 4 4 , 0
23
, ( , dapat
WST 2
_
]
^
]
\
W2
WS[ 2
W2
P t 4 4 , n 0
Eksponensial
digunakan
untuk
mengGambarkan
Definisi 2.6 (Cooper, 1981:42) Jika X adalah variabel acak kontinu dengan
fungsi distribusi kumulatif b c =d e =
e = f
Anaviroh
1 QgA , untuk = R 0
0
, untuk lainnya
24
WlA
WA
yaitu
2.7
2. Distribusi Poisson
Suatu eksperimen yang menghasilkan jumlah sukses yang terjadi
pada interval waktu ataupun daerah yang spesifik dikenal sebagai
eksperimen Poisson. Interval waktu tersebut dapat berupa menit,
hari,minggu, bulan, maupun tahun, sedangkan daerah yang spesifik dapat
berarti garis, luas, sisi, maupun material. ( Dimyati, 1999:309 )
Menurut Dimyati, (1999:309) ciri-ciri eksperimen Poisson adalah :
a. Banyaknya hasil percobaan yang terjadi dalam suatu selang waktu
atau suatu daerah tertentu bersifat independen terhadap banyaknya
hasil percobaan yang terjadi pada selang waktu atau daerah lain yang
terpisah.
b. Peluang terjadinya satu hasil percobaan selama suatu selang waktu
yang singkat sekali atau dalam suatu daerah yang kecil, sebanding
dengan panjang selang waktu tesebut atau besarnya daerah tersebut.
Anaviroh
25
c. Peluang bahwa lebih dari satu hasil percobaan akan terjadi dalam
selang waktu yang singkat tersebut atau dalam daerah yang kecil
tersebut dapat diabaikan.
Definisi 2.7 (Djauhari, 1997:163) Variabel acak diskrit X dikatakan
Qq F
p!
,p
0,1,2,
2.8
D. Distribusi Kedatangan
kedatangan customer dalam suatu sistem antrian pada interval waktu tertentu.
Kedatangan yang dimaksud dalam pembahasan ini adalah kedatangan murni,
yaitu kedatangan tanpa disertai kepergian, maka laju kepergian G 0, t R
F4
FQ F ,
L0
Anaviroh
2.9
2.10
26
v
( = v w=
=
1 , 0a
0 , L 0
Dengan demikian
4 0 Qq.4 1
Anaviroh
27
(2.12)
Jadi Persamaan (2.12) merupakan solusi untuk Persamaan (2.9).
Selanjutnya akan dicari solusi untuk Persamaan (2.10) sebagai berikut.
Berdasarkan definisi (2.8), Persamaan (2.10) dapat dinyatakan sebagai
Persamaan differensial linear orde satu dengan = F dan w=
( F Qq2 y q2 Q
Qq2 ( F Qq2 y q2 4
Anaviroh
2.13
2.14
28
Qq2 ( F Qq2 y q2
Persamaan (2.16) disubtitusikan ke Persamaan (2.17) didapatkan
Qq2 ( F Qq2 y q2 F Qq2
Qq2 ( F Qq2 y
Anaviroh
2.17
29
Qq2
(
F Qq2
2
2.18
q.4 }
Qq.4 0
F Qq2
2
2.19
F Qq2
!
2.20
Anaviroh
30
q2 ~
!
Qq2
F
F B
2.21
F B
Qq2
p!
F B
2.22
B Q x qW2 ( Q x qW2 y F
B
Qq2 ( Qq2 y F
B
Qq2 ( Qq2 F
B
Anaviroh
Qq2 x qW2
p!
Qq2 q2
p!
B
p ( 1 !
31
Qq2
(
F
B Qq2
p ( 1 !
2.23
Qq.4
F. 0
B Qq.4
(
0
p ( 1 !
F
B Qq2
p ( 1 !
2.24
q2 T
!
Bukti:
Anaviroh
32
artinya
L P( Tidak ada kedatangan selama waktu )
4
1 L
1 4
1
Qq2
Anaviroh
2.25
33
, R 0
1 Qq2
, > 0
F Qq2
e
2.26
barisan waktu antar kedatangan pada sistem antrian adalah saling bebas, maka
pembuktian diatas juga berlaku untuk b d, L 0. Jadi terbukti bahwa waktu
antar kedatangan berdistribusi Eksponensial.
E. Distribusi Kepergian
customer dalam suatu sistem antrian pada interval waktu tertentu. Kepergian
yang dimaksud dalam pembahasan ini adalah kepergian murni, yaitu
kepergian yang tanpa disertai keatangan, sehingga laju kedatangan F
0, t R 0.
Anaviroh
34
sehingga diperoleh
4
GB
G ( GB ,
L0
2.27
2.28
G
G
( GB ,
2.29
2.30
Anaviroh
35
Q2 , R
(2.31)
0
1
,0 c > a
,
2.32
2.33
Q Q2 ( G Q2 y 2
2.34
Untuk 1 maka
Anaviroh
36
Q2 ( G Q2
2.35
2.36
Q Q2 ( G Q2 y 2 Q
2.37
Q2
G Q2
(
2
Berdasarkan Persamaan (2.31) maka
Q 0 Q.4 (
G. 0 Q.4
0
2
Anaviroh
2.38
37
Q
G Q2
2
2.39
G Q2
!
Anaviroh
38
adalah
e c
1 L
1
1
2.40
Q2
1 Q2
, R 0
, > 0
e
G Q2
2.41
barisan waktu pelayanan pada sistem antrian adalah saling bebas, maka
Anaviroh
39
pembuktian diatas juga berlaku untuk b d, L 0. Jadi terbukti bahwa waktu
pelayanan berdistribusi Eksponensial.
F. Proses Kedatangan dan Kepergian Steady state
Kondisi Steady state yaitu keadaan sistem yang tidak tergantung pada
keadaan awal maupun waktu yang telah dilalui. Jika suatu sistem antrian telah
sistem pada waktu ) tidak tergantung pada waktu (Ecker dan
Kupferschmid, 1988:394).
Kondisi steady state terjadi ketika
WST 2
W2
0 dan lim23
sebagai berikut.
Atau
B
P
Anaviroh
F ( G FQ
, L 0
GB
GB Q
4
4
, 0
2.42
2.43
2.44
2.45
40
F ( G F4
4
G
G
2.46
F ( G 4
F4
4 4
G
G
F4
F 4 ( 4
4 4
G
G
F 4
G 4
Untuk 2 didapatkan
#
F ( G F
G#
G#
FQ FQ F4
G GQ . . G 4
4
FQ
,
2.47
Anaviroh
F
Q F
Q F4
G
G
Q . . G 4
41
F
F
Q F4
G
B G
. . G 4
F
B ( G
B F
F
Q F4
F
F
Q F
Q F4
4
G
B
G
B G
. . G
G
B G
G
Q . . G 4
F
B F
F
Q F4 4 G
B F
F
Q F4 4
(
G
B G
B G
. . G
G
B G
B G
. . G
F
B F
F
Q F4
G
B G
B G
. . G 4
F
F
Q F
Q F4
G
B G
G
Q . . G 4
2.48
acak diskrit dengan fungsi peluang = maka nilai harapan dari X
didefinisikan sebagai
==
2.49
Definisi 2.10 (Purcell & Varberg, 1987: 49) Andaikan $= adalah
jumlah
sebuah
deret
Anaviroh
pangkat
pada
sebuah
selang
42
$ = = 1 ( = ( = ( *
2.50
4
$=
0 =
= Q
=
=
4
2.51
4
Anaviroh
, apabila |=| > 1
=
43
Definisi 2.12 (Bunday, 1996:10) Jika N adalah suatu variabel acak diskrit
yang diasumsikan nilainya 0,1,2,
dengan probabilitas maka
probability generating function (PGF) dari N didefinisikan sebagai
2.52
Untuk z = 1, didapatkan
1
1
2.53
2.54
Sehingga
1
1
Anaviroh
2.55
44
"#$$ "
Anaviroh
2.56
45
" merupakan laju kedatangan jika ada n customer dalam sistem, jika laju
kedatangan konstan untuk semua n, maka cukup ditulis dengan &.
(Dimyati,1999:353)
Definisi 2.15 (Dimyati, 2003: 373) Laju pelayanan rata-rata untuk seluruh
pelayan dalam sistem antrian adalah laju pelayanan rata-rata dimana customer
yang sudah mendapat pelayanan meninggalakan sistem antrian. Laju pelayanan
rata-rata untuk seluruh pelayan dinyatakan dengan .
Nilai harapan banyaknya customer dalam sistem antrian
merupakan
jumlah dari perkalian keseluruhan customer dalam sistem dengan peluang
terdapat customer (Ecker, 1988: 390), dinyatakan dengan
2.57
Anaviroh
46
* +
2.58
,
2.59
"!
2.60
Persamaan 2.59
dan 2.60
dikenal dengan nama Little Law, diperkenalkan
pertama kali oleh John D.C Little pada tahun 1961 ( Gross dan Harris, 1998:
11).
J.
kedatangan
berdistribusi
Poisson
dan
waktu
pelayanan
Anaviroh
47
Sistem antrian
Kedatangan
Customer
Selesai
antrian
pelayan
adalah
adalah
Fungsi densitas peluang untuk waktu antar kedatangan dan waktu antar
pelayanan pada model antrian ini berturut turut adalah
,
dimana
adalah rata
48
" & dan 9 9 untuk semua n. Dengan mensubtitusikan " " dan
9 9 ke Persamaan (2.4) dan Persamaan (2.6), menghasilkan Persamaan
Kolmogorov pada sistem antrian 2/2/1
sebagai berikut.
: 6
*" 7
6
7
; 6
7 6
"
, < 1
:6
: 6
P t
* 6
, n 0
:6
2.61=
2.61b
0 *& 7
C 7 C;1 7 &C1
< 1,
2.62=
0 *" 7 9 ,
0
2.62D
Anaviroh
49
"
E F G
H
< 1
"/
dengan mendefinisikan IJ
maka
I J
(2.63)
Berdasarkan definisi (2.2), bahwa M
1 dengan S adalah total semua
kejadian, maka
1 sehingga dari Persamaan (2.62) diperoleh
I J
1
1 7 IJ 7 IJ
O 7 IJ
P 7 Q
1
(2.64)
berdasarkan definisi (2.11), 1 7 IJ 7 I J
O 7 IJ
P 7 Q konvergen jika dan
hanya jika I J R 1, maka diperoleh
1
F
G1
1 * IJ
Sehingga solusi steady state ada jika I J R 1
Sehingga
1 * IJ
(I J R 1
,
(2.65)
Subtitusi Persaman (2.65) ke Persamaan (2.63) didapatkan
1 * IJ
IJ
(IJ R 1
(2.66)
Anaviroh
50
2/2/1
.
2.
1 * I J
IJ
1 * I
IJ
1 * IJ
IJ 7 2IJ
O 7 3IJ
P 7 Q
1 * IJ
I J 1 7 2IJ
O 7 3IJ
P
7 Q
:
1 * I
I
IJ
:IJ
J
1 * IJ
I J
:
1
F
G
J
:I 1 * I J
1 * IJ
I J
1
1 * IJ
O
Anaviroh
IJ
1 * IJ
2.67
51
b)
* +
,
* 1
*
* 1 *
IJ
* IJ
1 * IJ
IJ
O
1 * IJ
2.68
"!
maka
Anaviroh
52
!
"
2.69
!
IJ
"1 * IJ
1
91 * IJ
2.70
"!
maka
!
"
2.71
!
IJ
O
"1 * IJ
IJ
91 * IJ
2.72
Anaviroh
53
No
Ukuran Keefektifan
Formula
IJ
1 * IJ
I J
O
1 * IJ
!
1
91 * IJ
!
IJ
91 * I J
sistem
4
Arrival
Langkah langkah penyelesaian pada model antrian dengan Software
WINQSB adalah sebagai berikut.
1. Buka aplikasi dengan cara klik Start > Program > WinQSB > Queuing
Analysis
2. Kemudian, akan muncul tampilan awal dari WinQSB dan pilih File > New
Problem atau klik icon new folder.
3. Akan muncul pilihan menu Simple M/M system dan General Queuing
System, kemudian pilih General Queuing System klik OK.
4. Isi kolom dengan nilai yang sesuai dengan kasus yang akan diselesaiakan.
5. Kemudian pilih menu Solve and Analyze > Solve The Performance atau
klik icon dari Solve The Performance.
6. Kemudian akan muncul tampilan hasil analisis WinQSB
Anaviroh
54
Anaviroh
BAB III
PEMBAHASAN
Dalam skripsi ini akan dibahas tentang keefektifan sistem antrian satu
server dengan pola kedatangan berkelompok (batch arrival). Ukuran keefektifan
sistem antrian tersebut dapat dilihat dari banyak customer dalam sistem/ ,
banyak customer dalam antrian/ , waktu tunggu customer dalam sistem/ ,
waktu tunggu customer dalam antrian/ , dan persentase server sibuk/. Untuk
mengetahui ukuran keefektifan tersebut, langkah pertama akan dicari probability
generating function
kemudian dari PGF tersebut dapat digunakan untuk mencari , , , , dan .
A. Pola Kedatangan Berkelompok ( Batch Arrival )
Sebagai contoh situasi pada sistem antrian dimana customer datang
secara berkelompok yaitu kedatangan customer secara berkelompok di
sebuah restoran, dan surat surat yang tiba di kantor pos. Ilustrasi sistem
antrian dengan pola kedatangan berkelompok ( batch arrival ) terlihat dalam
Gambar 3.1 berikut ini.
55
Anaviroh
56
fungsi peluang
dengan
1 maka berdasarkan definisi
, || 1
Anaviroh
(3.1)
57
maka
1
(3.2)
1
(3.3)
Anaviroh
(3.4)
58
dengan
1.
(3.5)
Jika laju kedatangan suatu kelompok yang terdiri dari k customer dinyatakan
dengan maka
'(
'
(3.6)
dengan adalah .
Karena proses kedatangan pada sistem antrian dengan pola kedatangan
berkelompok mengikuti distribusi Poisson dengan banyaknya kedatangan tiap
satuan waktu adalah dan setiap kedatangan tersebut berukuran , maka
banyaknya kedatangan tiap satuan waktu pada sistem antrian //1 ini
adalah .
Anaviroh
59
Jumlah
Customer pada
Waktu (t)
n
n+1
n-k
n
Jumlah
Kedatangan
pada Waktu (t)
Jumlah
Kepergian pada
Waktu (t)
Jumlah
Customer pada
Waktu (t+t)
0
0
k
1
0
1
0
1
n
n
n
n
Kasus
Jumlah
Customer pada
Anaviroh
Jumlah
Kedatangan
Jumlah
Kepergian pada
Jumlah
Customer pada
60
1
2
4
n
0
0
n
n+1
0
1
n
n
1
1
n
Tabel 3.2 Kemungkinan terdapat *
0 Customer dalam Sistem
Antrian dengan Pola Kedatangan Berkelompok pada Saat - . Dari tabel 3.1 terlihat bahwa perbedaan kemungkinan kejadian pada
sistem antrian //1 dan //1 adalah pada kasus ketiga. Sedangkan
pada tabel 3.2 semua kemungkinan kejadian pada sistem antrian //1
dan //1 sama. Probabilitas kasus ketiga dari tabel 3.1 dapat diuraikan
sebagai berikut.
Berdasarkan asumsi (i) probabilitas sebuah kedatangan secara individu
.7 -1 - . 0-
1
1 -
Anaviroh
. 0 -
3.7
61
//1
sistem antrian //1. Pada proses kedatangan dan kepergian sistem antrian
//1 menghasilkan Persamaan Kolmogorov yaitu Persamaan (2.61).
Sehingga proses kedatangan dan kepergian pada sistem antrian //1
:1 -
; . 1 - . 1= - .
*;
-
:
1
:7 -
P t ; 7 -, n
0
:-
, * 1 3.8
3.9
waktu.
CDE F
CF
0 dan limFJ 1 -
1 ,
sehingga 1 -
1 , untuk semua t, artinya 1 tidak tergantung pada waktu.
Anaviroh
62
CDE F
CF
0 , dan 1 -
1 ke Persamaan (3.8) dan
,*
0
3.10
0
; . 1 . 1=
*
. *;
,* 1
3.10K
L
MN
1 1 , || 1
(3.11)
17
Anaviroh
63
Persamaan (3.1) dan Persamaan (3.11) PGF dari dan O masing masing
adalah
,
1
17 1 , || 1
,*
0
(3.12)
0
; . 1 1 . 1= 1 . 1 1 1 , * 1
(3.13)
Kemudian Persamaan (3.12) dan Persamaan (3.13) dapat diuraikan sebagai
berikut.
Untuk *
0 maka Persamaan (3.12) menjadi 0
P ; 7 , nilainya sama
Anaviroh
64
Untuk * ; 1 didapatkan 0
; . 1 1 . 1 1
1
. 1 * ; 1
Untuk * didapatkan 0
; . 1 1 . 1= 1 . 1 1 1
T
Dan seterusnya.
Langkah penyelesaian selanjutnya yaitu persamaan persamaan yang
telah didapatkan diatas dari penguraian Persamaan (3.12) dan Persamaan
(3.13) dijumlahkan dari *
0 sampai .
Untuk jumlahan dari *
1sampai diperoleh
1
1
1
; .
1 1 . 1 1= . 1 1
0
(3.14)
P ; 7 ; 1 ; 1 . 1= 1 .
1
1
1
1 1
1
dengan
Anaviroh
3.15
65
1
1 1
1
1
7 7 . . 7 7 4 4 . 4 4
. 4 4 . 7 7 5 5 . 5 5
. 4 4 4 4 . 5 5 . 7 7 S S
. 6
7 7 . 4 4 . 5 5 . S S . 6
. . 4 4 . 5 5 . S S . 6
. 4 4 . 4 4 . 5 5 . S S . 6
. 5 5 . 4 4 . 5 5 . S S . 6
.6
. 4 4 . 5 5 . S S . 6 7 7 .
. 4 4 . 5 5 . S S . 6
1 1
1
3.16
Anaviroh
66
1 1
1
3.17
P ; 7 ; 1 ; 1 . 1= 1 .
1
1
1
P ; 7 ; ; 7 ; ; 7
. 1= 1 .
0
1
; . . 7 . . 1= 1 .
0
1
; . . 7 . 1= 1 .
17
3.18
misal * . 1
[, maka subtitusi *
[ ; 1 ke Persamaan (3.18)
sehingga diperoleh
; . . 7 . \ \ .
\
3.19
Anaviroh
67
; . . 7 . L ; 7 N .
0
; . . . . 7 ; 1
0
7 ; 1
. ; ;
7 ; 1
1 ; ; 1 ;
]D^ _
(3.20)
Jadi Persamaan (3.20) adalah PGF dari N, pada model antrian //1.
Pada Persamaan (3.20) akan dicari nilai 7 yang merupakan peluang
terdapat nol customer dalam sistem sebagai berikut.
Dari Persamaan (3.11) diketahui PGF dari N adalah
1 1
untuk
1, didapatkan
17
1
1 11
17
Anaviroh
68
1
1
1
(3.21)
17
7 1 ;
1 ; ; 1 ;
Subtitusi
1 ke Persamaan (3.20) diperoleh
1
7 1 ; 1
1 ; 1 ; 1 ; 1
7
7
lim
_J
lim 7 1 ;
_J
limL1 ; ; 1 ; N
_J
lim_J
]D^
]'='`_='_`a _
]D^
]'`a
(3.22)
Dari Persamaan (3.21) dan (3.22) didapatkan
]D
1
]'`^a
7
1 ;
(3.23)
Anaviroh
'`a
]
69
Jadi
7
1 ; b
(3.24)
dengan
b
'c
]
]d _
(3.25)
Probabilitas terdapat * customer dalam sistem pada model antrian
Anaviroh
70
keseluruhan
dari
perkalian
customer
dalam
sistem
dan
ef
O
*1
(3.26)
17
MN
1 1
17
*1 1
Anaviroh
17
71
maka
1
*1
(3.27)
17
nilai
O
*1
1
17
Jadi nilai harapan banyak customer dalam sistem pada model antrian
//1 diperoleh dari 1.
Langkah pertama untuk menentukan nilai harapan banyak customer
dalam sistem pada model antrian //1 adalah dengan mencari
d
_
k
l
`j_
dimana j
`_
m
; z mA z
1 ; j4
;1 ; b ;
1 ; b j . j
j
1 ; 4
Sehingga
Anaviroh
_
72
1 ; b j1 . j 1
1
j
1 ; 14
(3.28)
1 ;
1;
;1 ; . 1 ;
1 ; 4
7
Karena j 1
7 , maka berdasarkan teorema 2.1 penyelesaiannya
j 1
lim
lim_J
_`aa _
`aa
oLN
4_
o p
4
o
4
(3.29)
Dengan mensubtitusikan Persamaan (3.29) ke Persamaan (3.28),
maka didapatkan:
Anaviroh
73
1
4
1 ; b q . r
;
st
2
2
1 ; 4
4
b
2 ; 2s
, dengan b
1 ; b4
1 ; b rb .
d = l o p
4d
b . 4
21 ; b
3.30
1 ,
ux
0 , w u
Anaviroh
74
Sehingga
3.31
dan
4
4
14 . 24 4 . 34 5 . 6 . u 4 y . 6
u 4
(3.32)
r
s
21 ; b
21 ; b
2
1;b
Jadi banyak customer dalam sistem, pada model antrian y //1 yaitu
u.1
b
s
2
1;b
Anaviroh
(3.33)
75
eg
* ; i1
1
eg
* ; 11
1
1
1
*1 ; 1
ef ; 1 ; 7
u.1
b
r
s
;b
2
1;b
Jadi banyak customer dalam antrian pada model antrian y //1
dinyatakan dengan:
u.1
b
r
s
;b
2
1;b
eg
Anaviroh
3.34
76
hf
ef
3.35
u . 1u
2 1 ; bu
1
u . u4
}
~
2 1 ; b
u
Jadi waktu tunggu customer dalam sistem pada model antrian
y //1 adalah
y=y p
hf
4]d
Anaviroh
3.36
77
hg
hf ; ]
y=y p
hg
4]d
;]
2y=y p 34dy
4]dy
y p y4d
4]d
hg
'c
{
|
d
p
'c
p
p
'y
y p y4d
4]d
Anaviroh
1
u 4 ; u1 ; 2b
}
~
21 ; b
u
3.37
78
3.38
dapat
diringkas ukuran keefektifan dari model antrian y //1 dalam tabel 3.3
berikut ini.
Anaviroh
79
Ukuran Keefektifan
ef
r
eg
r
antrian
Formula
u.1
b
s
2
1;b
u.1
b
;b
s
2
1;b
hf
1
u . u4
}
~
21 ; b
u
hg
1
u 4 ; u1 ; 2b
}
~
21 ; b
u
ij
b 100%
E. Implementasi
Agar lebih memahami tentang model antrian //1 diberikan
contoh penerapan soal sebagai berikut.
Sebagai ilustrasi penulis memberikan Gambaran penerapan model
antrian pada situasi antrian yang terjadi di sebuah kantor pajak. Data yang
diolah adalah data yang dibangun dengan software minitab yang distribusi
kedatangannya memenuhi distribusi Poisson dan waktu pelayanannya
memenuhi distribusi Eksponensial. Dengan rata rata laju kedatangan
Anaviroh
80
adalah 1,5 dan rata rata waktu pelayanan 213 adalah 2, serta rata rata
ukuran kelompok yang masuk ke dalam sistem adalah 17. Data tersebut dapat
dilihat dalam lampiran 1.
1.
Laju Kedatangan
Anaviroh
81
Waktu antar
kedatangan
18
00:48:22
13
00:13:05
20
01:36:01
20
00:53:29
12
00:25:54
21
Jumlah
104
3:56:51 atau
3,9 jam
Dari tabel tersebut diketahui bahwa selama 3,9 4 jam ada enam
kali kedatangan, jadi laju kedatangan atau banyaknya kedatangan tiap
jam adalah 64
1,5 jadi
1,5.
2.
Anaviroh
82
'(
'
5
13
18
47
20
4
21
Maka
Anaviroh
1
6
1
6
1
6
2
6
1
6
83
1
1
1
2
1 104
12. . 13. . 18. . 20. . 21.
6
6
6
6
6
6
17,33
Jadi rata rata atau nilai harapan ukuran kelompok yang masuk ke
dalam sistem antrian adalah u
17,33 17.
3.
Laju Pelayanan
Laju pelayanan yaitu banyaknya customer yang dilayani tiap
satuan waktu. Pada skripsi ini, formula yang telah didapatkan hanya
sesuai untuk distribusi pelayanan Eksponensial. Karena data pelayanan
customer pada ilustrasi ini adalah data yang dibangkitkan yang
memenuhi distribusi Eksponensial maka tidak perlu dilakukan
pengujian data. Namun uji distribusi pelayanan customer dapat dilihat
dalam lampiran 2.
Anaviroh
84
No
Mulai
dilayani
Selesai
dilayani
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
07:35:00
07:37:33
07:40:57
07:42:51
07:44:27
07:44:45
07:46:58
07:49:00
07:52:47
07:54:02
07:56:44
07:57:57
08:00:23
08:01:55
08:03:15
08:04:50
08:15:25
08:20:26
08:23:19
08:23:22
08:28:55
08:29:07
08:31:04
08:34:29
08:35:02
08:38:17
08:39:00
08:40:06
08:40:15
08:41:00
08:43:10
08:46:50
08:48:22
08:52:12
08:53:39
08:56:57
09:01:29
07:36:55
07:40:22
07:42:28
07:43:47
07:44:37
07:46:52
07:48:34
07:52:28
07:53:31
07:56:27
07:57:27
08:00:12
08:01:41
08:03:07
08:04:35
08:15:09
08:20:01
08:22:56
08:23:21
08:28:16
08:29:01
08:30:44
08:33:54
08:34:49
08:37:47
08:38:42
08:40:03
08:40:11
08:40:38
08:43:05
08:46:33
08:47:45
08:51:51
08:53:04
08:56:49
09:01:16
09:01:34
Anaviroh
Lama
Pelayanan
00:01:55
00:02:49
00:01:31
00:00:56
00:00:10
00:02:07
00:01:36
00:03:28
00:00:44
00:02:25
00:00:43
00:02:15
00:01:18
00:01:12
00:01:20
00:10:19
00:04:36
00:02:30
00:00:02
00:04:54
00:00:06
00:01:37
00:02:50
00:00:20
00:02:45
00:00:25
00:01:03
00:00:05
00:00:23
00:02:05
00:03:23
00:00:55
00:03:29
00:00:52
00:03:10
00:04:19
00:00:05
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
09:01:38
09:02:37
09:04:57
09:07:15
09:08:17
09:12:10
09:21:16
09:22:30
09:23:55
09:25:58
09:26:06
09:28:05
09:32:05
09:35:23
10:07:29
10:07:49
10:13:34
10:14:22
10:16:30
10:18:43
10:22:59
10:24:15
10:24:22
10:24:32
10:25:10
10:28:05
10:28:16
10:30:48
10:31:54
10:33:24
10:34:05
10:34:10
10:32:25
10:32:40
11:01:00
11:12:23
11:14:02
11:14:15
11:16:18
09:02:13
09:04:24
09:06:42
09:08:16
09:11:48
09:21:13
09:22:00
09:23:44
09:25:57
09:26:03
09:27:40
09:31:39
09:34:51
09:35:56
10:07:41
10:13:15
10:14:02
10:16:26
10:18:36
10:22:51
10:23:43
10:24:20
10:24:26
10:24:53
10:27:41
10:28:10
10:30:09
10:31:50
10:33:08
10:33:47
10:34:08
10:34:17
10:32:32
10:37:38
11:12:11
11:13:21
11:14:08
11:16:16
11:16:34
00:00:35
00:01:47
00:01:45
00:01:01
00:03:31
00:09:03
00:00:44
00:01:14
00:02:02
00:00:05
00:01:34
00:03:34
00:02:46
00:00:33
00:00:12
00:05:26
00:00:28
00:02:04
00:02:06
00:04:08
00:00:44
00:00:05
00:00:04
00:00:21
00:02:31
00:00:05
00:01:53
00:01:02
00:01:14
00:00:23
00:00:03
00:00:07
00:00:07
00:04:58
00:11:11
00:00:58
00:00:06
00:02:01
00:00:16
85
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
11:16:47
11:19:10
11:20:30
11:21:14
11:33:10
11:34:40
11:36:50
11:40:00
11:41:51
11:47:00
11:50:23
11:51:33
11:53:06
11:53:40
12:01:00
12:02:30
11:19:00
11:20:20
11:20:53
11:32:44
11:34:02
11:36:44
11:39:54
11:41:29
11:46:55
11:50:13
11:51:05
11:52:28
11:53:25
11:59:30
12:02:17
12:02:40
00:02:13
00:01:10
00:00:23
00:11:30
00:00:52
00:02:04
00:03:04
00:01:29
00:05:04
00:03:13
00:00:42
00:00:55
00:00:19
00:05:50
00:01:17
00:00:10
93
94
95
96
97
98
99
100
101
102
103
104
12:02:50
12:05:33
12:07:40
12:11:00
12:14:13
12:15:08
12:18:10
12:23:40
12:25:40
12:25:56
12:27:00
12:31:04
12:05:14
12:07:05
12:10:48
12:13:41
12:14:42
12:17:43
12:23:24
12:25:13
12:25:47
12:26:26
12:29:53
12:35:15
00:02:24
00:01:32
00:03:08
00:02:41
00:00:29
00:02:35
00:05:14
00:01:33
00:00:07
00:00:30
00:02:53
00:04:11
03:35:01
atau
3,58 jam
Jumlah
Anaviroh
pelayanan
tiap
jam,
1043,58
29
86
4.
5.
y'
]
,Y
4
0,87931
dilakukan
dengan
dua
cara,
yaitu
dengan
17 . 1
0,87931
s
2
1 ; 0,87931
65,5712
Jadi banyaknya customer dalam sistem sekitar 66 SPT.
Anaviroh
87
r
s
; 0,87931
64,69189
2
1 ; 0,87931
hf
1
u . u4
}
~
21 ; b
u
1
17 . 174
}
~
2291 ; 0,87931
17
2,5714 [
Jadi waktu tunggu customer dalam sistem sekitar 2,58 jam.
Anaviroh
88
hg
1
u 4 ; u1 ; 2b
}
~
21 ; b
u
1
174 ; 171 ; 20,87931
}
~
2290,12069
17
2,5369
Jadi waktu tunggu customer dalam antrian sekitar 2,5 jam
adalah
ij
b100%
87,931%
88%
Jadi persentase kesibukan server adalah 88% sehingga dapat
dikatakan server pada sistem antrian tersebut cukup sibuk
Dari analisis tersebut diketahui dengan laju kedatangan atau
1,5 dan laju pelayanan atau
29, dan rata rata ukuran
Anaviroh
89
hf
2,58 jam, hg
2,5 jam. Dalam kondisi seperti ini berarti
masih perlu dilakukan perbaikan pada sistem antrian tersebut. Ada
beberapa pilihan yang bisa diambil untuk mengatasi agar server
software
yang
dapat
digunakan
untuk
Tabel 3.6 Output Penyelesaian Masalah Antrian pada Model //1 dengan
WINQSB
Anaviroh
90
menunjukkan
hasil
yang
sama
Anaviroh
dengan
perhitungan
BAB IV
SIMPULAN DAN SARAN
A. Simpulan
Dari pembahasan skripsi dengan judul Model Antrian Satu Server
dengan Pola Kedatangan Berkelompok ( Batch Arrival ), dapat disimpulkan
sebagai berikut.
1. Model antrian satu server dengan pola kedatangan berkelompok ( batch
arrival ) dinotasikan dengan //1, dengan X adalah variabel acak
yang menyatakan ukuran kelompok yang masuk ke dalam sistem antrian.
Model tersebut menggambarkan sistem antrian dengan pola kedatangan
customer secara berkelompok yang berdistribusi Poisson, dan pelayanan
customer secara individu dengan waktu pelayanan berdistribusi
Eksponensial. Dasar untuk menganalisis model antrian dengan pola
kedatangan berkelompok adalah dengan
menentukan probability
1
1
1 1
91
Anaviroh
92
dengan
dengan
Anaviroh
93
Anaviroh
DAFTAR PUSTAKA
Bain, L, & Engelhardt. (1992). Introduction to Probability and Mathematical
Statistics. California: Wadsworth Publishing Company.
Barte, R. G, & Sherbert, D. R. (2000). Introduction to Real Analysis. New York:
John Wiley & Sons.
Bhat, N. U. (1984). Element of Applied Stochastic Processes. 2nd. ed. New York:
John Wiley & Sons.
Bronson, R. (1996). Teori dan Soal-Soal Operations Research. (Terjemahan Hans
Wospakrik). Jakarta: Erlangga.
Bunday, B. D. (1996). An Introduction to Queuing Theory. New York: John
Wiley & Sons.
Chaudhury, M. L.(1983). A First Course in Bulk Queue. New York: John Wiley
& Sons.
Cooper, R. B. (1981). Introduction to Queuing Theory. 2nd. ed. New York:
Eleseveir North Holland, Inc.
Dharma, J. L. (2001). Model Antrian MH/G/1. Bandung: Fakultas Matematika dan
Ilmu Pengetahuan Alam, Universitas Katolik Parahyangan.
Dimyati, A, & Tarliyah, T. (1999). Operation Research Model-Model
Pengambilan Keputusan. Bandung: PT Sinar Baru Algesindo.
Djauhari, M. (1997). Statistika Matematika. Bandung: Fakultas Matematika dan
Ilmu Pengetahuan Alam, ITB.
Ecker, J, & Kupferschimd, M. (1988). Introduction to Operation Research. New
York: John Wiley & Sons.
Gross, D, & Harris, C. M. (1998). Fundamental of Queuing Theory 3rd. New
York: John Wiley & Sons.
Hadianti, R. (2006). Kapita Selekta Terapan I (Teori Antrian). Bandung: ITB.
Hillier, F.S, & Lieberman, G. J. (2005). Introduction to Operations Research.
New York: McGraw-Hill.
Hines, W. W, & Montgomery, D. C. (1990). Probability and Statistics in
Engineering and Management Science. New York: John Wiley & Sons.
Hogg, R. V, & Tanis, E. A. (2001). Probability and Statistical Inference. 6th. ed.
New Jersey: Prentice Hall International, Inc.
94
Anaviroh
95
Anaviroh
LAMPIRAN
96
Lampiran 1. Hasil Generate data yaitu Tabel Data Kedatangan Customer, Waktu
Mulai Dilayani dan Waktu Selesai Dilayani.
No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
waktu
kedatangan
07:30:00
07:30:00
07:30:00
07:30:00
07:30:00
07:30:00
07:30:00
07:30:00
07:30:00
07:30:00
07:30:00
07:30:00
07:30:00
07:30:00
07:30:00
07:30:00
07:30:00
07:30:00
08:18:22
08:18:22
08:18:22
08:18:22
08:18:22
08:18:22
08:18:22
08:18:22
08:18:22
08:18:22
08:18:22
08:18:22
Anaviroh
Mulai
dilayani
07:35:00
07:37:33
07:40:57
07:42:51
07:44:27
07:44:45
07:46:58
07:49:00
07:52:47
07:54:02
07:56:44
07:57:57
08:00:23
08:01:55
08:03:15
08:04:50
08:15:25
08:20:26
08:23:19
08:23:22
08:28:55
08:29:07
08:31:04
08:34:29
08:35:02
08:38:17
08:39:00
08:40:06
08:40:15
08:41:00
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
08:18:22
08:31:27
08:31:27
08:31:27
08:31:27
08:31:27
08:31:27
08:31:27
08:31:27
08:31:27
08:31:27
08:31:27
08:31:27
08:31:27
08:31:27
08:31:27
08:31:27
08:31:27
08:31:27
08:31:27
08:31:27
10:07:28
10:07:28
10:07:28
10:07:28
10:07:28
10:07:28
10:07:28
10:07:28
10:07:28
10:07:28
10:07:28
08:43:10
08:46:50
08:48:22
08:52:12
08:53:39
08:56:57
09:01:29
09:01:38
09:02:37
09:04:57
09:07:15
09:08:17
09:12:10
09:21:16
09:22:30
09:23:55
09:25:58
09:26:06
09:28:05
09:32:05
09:35:23
10:07:29
10:07:49
10:13:34
10:14:22
10:16:30
10:18:43
10:22:59
10:24:15
10:24:22
10:24:32
10:25:10
97
Lanjutan Lampiran 1.
No
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
waktu
kedatangan
10:07:28
10:07:28
10:07:28
10:07:28
10:07:28
10:07:28
10:07:28
10:07:28
10:07:28
11:00:57
11:00:57
11:00:57
11:00:57
11:00:57
11:00:57
11:00:57
11:00:57
11:00:57
11:00:57
11:00:57
Anaviroh
Mulai
dilayani
10:28:05
10:28:16
10:30:48
10:31:54
10:33:24
10:34:05
10:34:10
10:32:25
10:32:40
11:01:00
11:12:23
11:14:02
11:14:15
11:16:18
11:16:47
11:19:10
11:20:30
11:21:14
11:33:10
11:34:40
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
11:00:57
11:26:51
11:26:51
11:26:51
11:26:51
11:26:51
11:26:51
11:26:51
11:26:51
11:26:51
11:26:51
11:26:51
11:26:51
11:26:51
11:26:51
11:26:51
11:26:51
11:26:51
11:26:51
11:26:51
11:26:51
11:26:51
11:36:50
11:40:00
11:41:51
11:47:00
11:50:23
11:51:33
11:53:06
11:53:40
12:01:00
12:02:30
12:02:50
12:05:33
12:07:40
12:11:00
12:14:13
12:15:08
12:18:10
12:23:40
12:25:40
12:25:56
12:27:00
12:31:04
98
Waktu antar
kedatangan
18
00:48:22
13
00:13:05
20
01:36:01
20
00:53:29
12
00:25:54
21
Jumlah
104
3:56:51 atau
3,9 jam
Anaviroh
99
Lanjutan Lampiran 2.
6
a,,b
Poisson Parameter
Mean
17.33
Most Extreme
Differences
Absolute
.209
Positive
.158
Negative
-.209
Kolmogorov-Smirnov Z
.511
.956
6. Keputusan:
Hasil pengujian kesesuaian ukuran kedatangan customer diperoleh
angka signifikan
jadi diterima, simpulkan bahwa ukuran
kelompok yang masuk ke dalam sistem antrian berdistribusi Poisson,
dengan rata rata 17,33
Anaviroh
100
Lanjutan Lampiran 2.
Waktu
Jumlah Kedatangan
07.30-08.29
08.30-09.29
09.30-10.29
10.30-11.29
Anaviroh
101
Lanjutan Lampiran 2
Poisson Parametera,,b
Mean
1.50
Most Extreme
Differences
Absolute
.223
Positive
.191
Negative
-.223
Kolmogorov-Smirnov Z
.446
.989
6. Keputusan:
Dari output tersebut angka signifikan lebih besar dari , yaitu 0,989
> 0,05 jadi diterima, simpulkan laju kedatangan customer
berdistribusi Poisson dengan rata rata 1,5
Anaviroh
102
Lanjutan lampiran 2
104
Exponential
parameter.a,,b
Mean
Most Extreme
Differences
Absolute
.070
Positive
.070
Negative
-.036
Kolmogorov-Smirnov Z
.715
.686
Anaviroh
0:02:04.04
8
103
Lanjutan lampiran 2
6. Keputusan:
Dari output tersebut angka signifikan lebih besar dari , yaitu 0,686 >
0,05 jadi diterima, simpulkan bahwa waktu pelayanan
customer
Anaviroh
104
Anaviroh
105
Lanjutan Lampiran 3.
3.
Tampilan pilihan menu Simple M/M system dan General Queuing System
Anaviroh
106
Lanjutan Lampiran 3
Anaviroh
107
Lanjutan lampiran 3
Anaviroh